作为一个优秀的内容问答社区，知乎在内容分发上的许多做法值得学习。本文将从三个方面——知识付费、推荐系统、内容分发展开讲解，推荐给对内容分发感兴趣的童鞋。
知乎已然成为中文互联网世界最大的内容问答社区。
十年磨一剑，知乎所积累的海量高价值内容就是其最宽阔的护城河。可正因其海量，如何将内容高效的分发给需要它的人，就成了关键问题。
传统的解决方案是搜索。通过明确的用户检索词完成内容与用户意图的关联。这是人找内容的时代。
知乎的内容分发策略却不止搜索，还有推荐、想法和热榜。
为什么知乎要将他们作为内容分发的策略？这些策略背后又有怎么样的运行机制呢？
一、基于算法的分发—推荐
推荐系统想必大家不陌生了，现在不管做电商、做社交、还是做内容，如果不弄个个性化推荐，都不好意思出门。
但要搭建一个推荐系统，有三个步骤是必须的：理解内容，理解用户，构建规则。
知乎也是如此。
不管是搜索系统还是推荐系统，其目的都是一致的，那就是完成人与内容的高效精准匹配。
为了到达这个目的，理解内容和用户就成了必经之路。
那么，首先应该怎么理解内容呢？
1. 理解内容
比较常见的理解内容的方式是分类。比如up主在B站上传视频时需要填写投稿内容的分类，这就是对内容最基本的分类。
在知乎也一样，频道、分类、话题都是对内容的分类。而内容分类往往呈现结构化的特点。比如，程序员小李下班在地铁上觉得网易云音乐今天推荐的歌单真难听，他就可能打开知乎去音乐app分类的子分类网易云音乐类目下浏览其他人的好歌推荐。
因此，从音乐app类目到网易云音乐子类目，内容分类的结构化特点其实表现的是一种包含关系。这种分类的细化当然不是无限细分，它最终要指向某个具体的内容。
那该如何继续向下去理解处于分类末端的具体内容呢？最常见的方式是贴标签。比如给一首歌贴上类型、时长、所属专辑、歌手等标签。
这些标签之间并不是包含关系，而是平等关系。将它们聚合在一起就能从多个维度理解内容。
2. 理解用户
同样的，既然能够给内容打标签，自然也能给人打标签。给用户打标签还有一个专业的名字，叫用户画像。
提到用户画像，自然很容易联想到年龄、性别、学历、地区这些基本的人口学标签。但对于构建推荐系统更重要的是用户行为标签。
用户在知乎的每一次关注、点赞、分享、评论、收藏，都是一次行为标签。
这些行为标签之间虽然并不是包含关系，但却有不同的权重。分享的权重肯定大于评论，评论的权重肯定大于点赞。这一点在几年前b站源码泄露的时候已经被实锤。
有了这些多维度的标签，就可以建立用户画像系统。然后就能搞点事情，比如大数据杀熟？
3. 推荐规则
理解了内容，理解了用户，下一步自然就是想办法精准连接用户意图和内容。
知乎采用的是用户和内容相结合的协同过滤。
这里有个词，叫协同过滤。什么是协同过滤呢？
打个比方吧。
先来说基于用户的协同过滤。程序员小李除了爱听歌，还喜欢喝酒，他觉得喝完酒写代码更有灵感，所以喜欢研究各种口味的酒。于是，推荐系统就会找到跟小李一样喜欢研究各种口味酒的用户，然后将这些用户关注的与酒相关的内容推荐给小李。
再来说基于内容的协同过滤。设计师小王和产品经理小武在程序员小李的熏陶下，也养成了喝完酒干活的习惯。有一回，他们都浏览了如何健康的饮酒和菠萝啤为什么喝不醉这两个回答，于是推荐系统就认为这两个答案有更强的相似性。在小李浏览了为什么菠萝啤喝不醉这个回答后，推荐系统就可能将这篇回答推荐给小李。
因此，当你打开知乎首页，看到给你推荐的那些内容，就是基于你过往的浏览、点赞、评论等行为标签计算得来的。你的每一个动作，都是在为自己可能接受到的信息投票。
二、基于社交的分发—想法
1. 如何分发
与基于算法的内容分发相同，在知乎想法页，同样能根据用户的主动关注实现个性化推荐。这被称为基于社交的内容分发。
这很好理解，人人都是自媒体，你可以选择关注任何你喜欢的用户。然后这些用户发布的内容聚合在一起，以feed流的形式展示在你眼前。相比算法分发，使用社交分发内容，用户有更大的自主选择权。也更强调被关注用户的内容输出能力。
梳理社交分发内容的过程，大概可以概括成：内容 – 关注用户 – 更多的用户。
连接内容和关注用户的，是关注行为；连接内容和更广泛用户的，是关注用户的分享转发行为。
所以这样的内容分发策略是强依赖关系链的。微博和微信公众号是最典型的代表。
2. 什么内容适合社交分发
这就要求内容需要具备两种价值：内容价值和分享价值。
内容价值是内容本身的价值；而分享价值是分享行为带来的社交价值。
那么如何创造内容价值和分享价值呢？答案是：信息量。
内容的本质还是信息，度量信息的最小单位是比特。度量方法简言之，一件事情发生的概率越小，则信息量越大。有洞见的行业观察、顶级学霸的高光生活、出人意料的短视频，这些内容都不属于日常生活中的常规事件因此他们有足够大信息量。
3. 社交分发内容的窘境
能够稳定生产大信息量内容的用户，毕竟是少数人，他们也有一个专业的名字，叫KOL。因此，社交分发内容很容易就会形成马太效应。大部分分发流量被少数头部KOL所控制。
所以，抖音会重金挖人、微博会扶持腰部KOL、网易云也扶持独立音乐人，都是为了让社交分发更可控。
三、热榜
1. 热榜内容分发策略
打开知乎首页，还有一个内容分发渠道—热榜。
热榜的推出是为了有深度的讨论全网热议话题。有深度体现的是专业性，这是知乎一直以来的知乎的社区氛围，热议话题体现的则是时效性。
按官方给出的热榜热度的说法：知乎热榜中的内容热度值，是根据该条内容近24小时内的浏览量、互动量、专业加权、创作时间及在榜时间等维度，综合计算得出的。
2. 时效性
热点内容分发与算法分发和社交分发最大的不同是时效性。有时效性的热门话题自然也是不需要做千人千面的个性化推荐的，因此知乎热榜也是千人一面的。
那时效性是什么？是用户立刻、马上、现在就要获取满足感。因此那些热门的回答一定是那些紧扣民众情绪的回答。
这与知乎早期理想、深度、干货的标签多少有些相悖。因为内容的沉淀需要时间、有价值问题的酝酿也需要时间。再热门的内容，热度终会褪去。
四、总结
推荐、想法和热榜，告别了只能依靠搜索寻找内容的时代，转而变成内容找人。不论怎样，它们都是想要解决人与内容的高效连接这一需求。
这个需求并不是凭空产生的。互联网内容沉淀经历了从匮乏到丰饶，再到优质的阶段，人们对内容质量的要求越来越高。
从这个角度讲，知识付费、推荐系统、内容分发，其实都是为了帮助人们能够更好的认识世界。
作者：Lcarusd，公众号：Lcarusd
本文由@Lcarusd 授权发布于运营派。未经许可，禁止转载
题图来自Unsplash，基于CC0协议
作为一个优秀的内容问答社区，知乎在内容分发上的许多做法值得学习。本文将从三个方面——知识付费、推荐系统、内容分发展开讲解，推荐给对内容分发感兴趣的童鞋。
知乎已然成为中文互联网世界最大的内容问答社区。
十年磨一剑，知乎所积累的海量高价值内容就是其最宽阔的护城河。可正因其海量，如何将内容高效的分发给需要它的人，就成了关键问题。
传统的解决方案是搜索。通过明确的用户检索词完成内容与用户意图的关联。这是人找内容的时代。
知乎的内容分发策略却不止搜索，还有推荐、想法和热榜。
为什么知乎要将他们作为内容分发的策略？这些策略背后又有怎么样的运行机制呢？
一、基于算法的分发—推荐
推荐系统想必大家不陌生了，现在不管做电商、做社交、还是做内容，如果不弄个个性化推荐，都不好意思出门。
但要搭建一个推荐系统，有三个步骤是必须的：理解内容，理解用户，构建规则。
知乎也是如此。
不管是搜索系统还是推荐系统，其目的都是一致的，那就是完成人与内容的高效精准匹配。
为了到达这个目的，理解内容和用户就成了必经之路。
那么，首先应该怎么理解内容呢？
1. 理解内容
比较常见的理解内容的方式是分类。比如up主在B站上传视频时需要填写投稿内容的分类，这就是对内容最基本的分类。
在知乎也一样，频道、分类、话题都是对内容的分类。而内容分类往往呈现结构化的特点。比如，程序员小李下班在地铁上觉得网易云音乐今天推荐的歌单真难听，他就可能打开知乎去音乐app分类的子分类网易云音乐类目下浏览其他人的好歌推荐。
因此，从音乐app类目到网易云音乐子类目，内容分类的结构化特点其实表现的是一种包含关系。这种分类的细化当然不是无限细分，它最终要指向某个具体的内容。
那该如何继续向下去理解处于分类末端的具体内容呢？最常见的方式是贴标签。比如给一首歌贴上类型、时长、所属专辑、歌手等标签。
这些标签之间并不是包含关系，而是平等关系。将它们聚合在一起就能从多个维度理解内容。
2. 理解用户
同样的，既然能够给内容打标签，自然也能给人打标签。给用户打标签还有一个专业的名字，叫用户画像。
提到用户画像，自然很容易联想到年龄、性别、学历、地区这些基本的人口学标签。但对于构建推荐系统更重要的是用户行为标签。
用户在知乎的每一次关注、点赞、分享、评论、收藏，都是一次行为标签。
这些行为标签之间虽然并不是包含关系，但却有不同的权重。分享的权重肯定大于评论，评论的权重肯定大于点赞。这一点在几年前b站源码泄露的时候已经被实锤。
有了这些多维度的标签，就可以建立用户画像系统。然后就能搞点事情，比如大数据杀熟？
3. 推荐规则
理解了内容，理解了用户，下一步自然就是想办法精准连接用户意图和内容。
知乎采用的是用户和内容相结合的协同过滤。
这里有个词，叫协同过滤。什么是协同过滤呢？
打个比方吧。
先来说基于用户的协同过滤。程序员小李除了爱听歌，还喜欢喝酒，他觉得喝完酒写代码更有灵感，所以喜欢研究各种口味的酒。于是，推荐系统就会找到跟小李一样喜欢研究各种口味酒的用户，然后将这些用户关注的与酒相关的内容推荐给小李。
再来说基于内容的协同过滤。设计师小王和产品经理小武在程序员小李的熏陶下，也养成了喝完酒干活的习惯。有一回，他们都浏览了如何健康的饮酒和菠萝啤为什么喝不醉这两个回答，于是推荐系统就认为这两个答案有更强的相似性。在小李浏览了为什么菠萝啤喝不醉这个回答后，推荐系统就可能将这篇回答推荐给小李。
因此，当你打开知乎首页，看到给你推荐的那些内容，就是基于你过往的浏览、点赞、评论等行为标签计算得来的。你的每一个动作，都是在为自己可能接受到的信息投票。
二、基于社交的分发—想法
1. 如何分发
与基于算法的内容分发相同，在知乎想法页，同样能根据用户的主动关注实现个性化推荐。这被称为基于社交的内容分发。
这很好理解，人人都是自媒体，你可以选择关注任何你喜欢的用户。然后这些用户发布的内容聚合在一起，以feed流的形式展示在你眼前。相比算法分发，使用社交分发内容，用户有更大的自主选择权。也更强调被关注用户的内容输出能力。
梳理社交分发内容的过程，大概可以概括成：内容 – 关注用户 – 更多的用户。
连接内容和关注用户的，是关注行为；连接内容和更广泛用户的，是关注用户的分享转发行为。
所以这样的内容分发策略是强依赖关系链的。微博和微信公众号是最典型的代表。
2. 什么内容适合社交分发
这就要求内容需要具备两种价值：内容价值和分享价值。
内容价值是内容本身的价值；而分享价值是分享行为带来的社交价值。
那么如何创造内容价值和分享价值呢？答案是：信息量。
内容的本质还是信息，度量信息的最小单位是比特。度量方法简言之，一件事情发生的概率越小，则信息量越大。有洞见的行业观察、顶级学霸的高光生活、出人意料的短视频，这些内容都不属于日常生活中的常规事件因此他们有足够大信息量。
3. 社交分发内容的窘境
能够稳定生产大信息量内容的用户，毕竟是少数人，他们也有一个专业的名字，叫KOL。因此，社交分发内容很容易就会形成马太效应。大部分分发流量被少数头部KOL所控制。
所以，抖音会重金挖人、微博会扶持腰部KOL、网易云也扶持独立音乐人，都是为了让社交分发更可控。
三、热榜
1. 热榜内容分发策略
打开知乎首页，还有一个内容分发渠道—热榜。
热榜的推出是为了有深度的讨论全网热议话题。有深度体现的是专业性，这是知乎一直以来的知乎的社区氛围，热议话题体现的则是时效性。
按官方给出的热榜热度的说法：知乎热榜中的内容热度值，是根据该条内容近24小时内的浏览量、互动量、专业加权、创作时间及在榜时间等维度，综合计算得出的。
2. 时效性
热点内容分发与算法分发和社交分发最大的不同是时效性。有时效性的热门话题自然也是不需要做千人千面的个性化推荐的，因此知乎热榜也是千人一面的。
那时效性是什么？是用户立刻、马上、现在就要获取满足感。因此那些热门的回答一定是那些紧扣民众情绪的回答。
这与知乎早期理想、深度、干货的标签多少有些相悖。因为内容的沉淀需要时间、有价值问题的酝酿也需要时间。再热门的内容，热度终会褪去。
四、总结
推荐、想法和热榜，告别了只能依靠搜索寻找内容的时代，转而变成内容找人。不论怎样，它们都是想要解决人与内容的高效连接这一需求。
这个需求并不是凭空产生的。互联网内容沉淀经历了从匮乏到丰饶，再到优质的阶段，人们对内容质量的要求越来越高。
从这个角度讲，知识付费、推荐系统、内容分发，其实都是为了帮助人们能够更好的认识世界。
文章来源：运营派
【转载说明】 若上述素材出现侵权，请及时联系我们删除及进行处理：8088013@qq.com
